本讲聚焦“AI驱动的酶蛋白智能设计”这一生命科学与人工智能的交叉前沿，从基础挑战到技术突破逐层展开。结合Arnold团队的机器学习定向进化(MLDE)、Baker团队的ProteinMPNN逆折叠算法，以及PLMeAE平台的自动化进化实践，剖析当前阶段的酶蛋白设计的核心挑战--序列空间高效探索与实验验证瓶颈。通过GFP荧光蛋白改造、PVIRS底物谱拓展等案例，展现AI在提升蛋白质活性、稳定性及功能性方面的应用潜力，此外，课程深入探讨AI如何深度参与蛋白质研究:从深度学习优化突变体筛选策略，到强化学习加速组合突变空间探索，再到自动化平台缩短DBTL(Design-Build-Test-Learn)循环周期，清晰呈现AI如何推动蛋白质工程从实验室研究迈向工业化应用。
视频内容来自国家智慧教育公共服务平台，由浙江大学于浩然研究员主讲。
